최근, 국토교통부에서 시행한 “국가 보행교통 실태조사”로 인해 보행안전과 보행환경에 대한 중요성이 증가하고 있으며, 전반적으로 대로에서는 보행환경이 양호하나 생활도로에서는 보도가 미설치되거나 보도폭이 협소하여 보행환경이 미흡하고 보행 만족도도 낮은 것으며 생활도로의 약 34%가 유효보도폭 기준을 충족하지 못하고 있다고 조사되었다. 국가 주요 사회간접자본(SOC)인 도로, 교량, 터 널, 공공건물, 환승센터 등에 비하여 상대적으로 보행공간을 대상으로한 정보화 속도가 늦어 정보화 연구개발에 대한 추진이 시급한 실정이다. 이에 정부에서도 국가공간정보정책 기본계획에 따른 국가공간정보정책 시행계획이 확정되어 신산업 기반으로서의 역할과 안전한 시설관리를 위한 디지털 트윈 관련 기술개발 등에 투자를 확대하고, 디지털 트윈 등의 기반 정보인 고정밀 공간정보 생산 등 에 중점적으로 투자하고 있다. 현재 한국건설기술연구원, 서울시, 경기도 등에서 활용하고 있는 조사장비(PES, KRISS)는 도로포장(차 도)에서 상태 모니터링을 진행하고 있으나 이와 같은 장비들은 고가의 장비들로 실질적으로 사용하기에는 어려움이 있다. 또한, 보행 도로에서는 상태 모니터링을 수집할 장비가 없기 때문에, 보행 공간 경사, 노면 상태 등을 측정ㆍ수집하는 방법은 인력에게 의존해왔 다. 또한, 현재 보행자도로에 대한 서비스수준 산정 방식은 한국도로용량편람(2013)의 보행자시설편에서 제공하고 있는 산정 방식으로 도로용량편람에서 제시하는 보행자도로의 분석 방법을 적용하여 서비스수준을 산출할 경우, 차량과 동일한 교통량-속도-밀도 관계에 의존하여 산출하기 때문에 현실적인 보행자도로의 서비스수준을 반영하지 못하고 있는 실정이다. 이러한 문제로 인해 보행공간에 대 한 이용자의 안전 및 편의성에 대한 연구가 미흡한 상황이다. 따라서, 본 연구는 모바일매핑시스템(Mobile Mapping System)과 인공지 능(AI), 무인비행장치(Drone)를 활용한 보행공간 상태 모니터링 시스템 구축 방안을 제시하고자 한다.

With the increasing number of aging buildings across Korea, emerging maintenance technologies have surged. One such technology is the non-contact detection of concrete cracks via thermal images. This study aims to develop a technique that can accurately predict the depth of a crack by analyzing the temperature difference between the crack part and the normal part in the thermal image of the concrete. The research obtained temperature data through thermal imaging experiments and constructed a big data set including outdoor variables such as air temperature, illumination, and humidity that can influence temperature differences. Based on the collected data, the team designed an algorithm for learning and predicting the crack depth using machine learning. Initially, standardized crack specimens were used in experiments, and the big data was updated by specimens similar to actual cracks. Finally, a crack depth prediction technology was implemented using five regression analysis algorithms for approximately 24,000 data points. To confirm the practicality of the development technique, crack simulators with various shapes were added to the study.

This study compares AI PengTalk’s assessments of Korean children’s pronunciation with the assessments of Korean teachers. Sixty Korean sixth-graders participated as assessees, and four Korean elementary teachers participated as assessors. Both PengTalk and the teachers rated the children’s production of 10 English sentences on a five-point scale. They focused on segmentals, stress-rhythm, intonation, and speech rate. The findings were as follows: Firstly, PengTalk evaluated the children’s pronunciation in the four elements significantly lower than the teachers across all English proficiency levels. Secondly, teachers’ ratings of the students aligned more closely with their pre-evaluated English proficiency levels than the AI PengTalk’s assessments. The teachers rated students at the upper level significantly higher than those at the intermediate level, who were, in turn, assessed significantly higher than those at the lower level in all four elements. Furthermore, AI PengTalk and the teachers differed in the mean order of the four elements, particularly in segmentals. Based on the results of this study, suggestions were made for the development and implementation of AI-based English programs.

딥러닝(DL: Deep Learning)의 발전으로 오늘날 다양한 분야에서 AI 모델이 만들어지고 사용되고 있다. 오늘날, 컴퓨터의 발전과 DL 알고리즘의 발전에 의해, DL 기반 AI 모델은 수많은 데이터를 학습하고 스스로 규칙을 찾을 수 있다. DeepMind의 Alphago는 학습 데이터 만으로 게임의 규칙을 스스로 판단하고 고수준의 게임 플 레이를 할 수 있다는 가능성을 보여준다. 이런 다양한 DL 알고리즘이 게임 분야에 적용되고 있지만, 스포츠 게임 같이 팀의 전술과 개인 플레이가 공존하는 분야에서는 단일 AI 모델만으로 성공적인 플레이를 이끌어 내기에는 한계가 존재한다. 오늘날, 고품질의 스포츠 게임은 쉽게 접할 수 있다. 하지만, 게임 AI 연구자들이 이런 고품질의 스포츠 게임에 맞는 AI 모델을 개발하기 위해서는 게임 코드 소스를 받거나 게임 회사에서 테 스트용 시뮬레이터를 제공해줘야만 할 수 있다. 게임 AI 연구자들이 활발한 스포츠 게임 분야의 AI 모델을 개 발하기 위해서는 스포츠 게임의 규칙과 특징이 반영되고 접근하기 쉬운 테스트 환경(Test Environment)이 필요 하다. 본 논문에서는 팀의 전술과 개인 플레이가 중요한 스포츠 게임 분야에서 AI 모델을 만들고 테스트할 수 있는 규칙기반 축구 게임 프레임워크를 제안한다.

Governments around the world are enacting laws mandating explainable traceability when using AI(Artificial Intelligence) to solve real-world problems. HAI(Human-Centric Artificial Intelligence) is an approach that induces human decision-making through Human-AI collaboration. This research presents a case study that implements the Human-AI collaboration to achieve explainable traceability in governmental data analysis. The Human-AI collaboration explored in this study performs AI inferences for generating labels, followed by AI interpretation to make results more explainable and traceable. The study utilized an example dataset from the Ministry of Oceans and Fisheries to reproduce the Human-AI collaboration process used in actual policy-making, in which the Ministry of Science and ICT utilized R&D PIE(R&D Platform for Investment and Evaluation) to build a government investment portfolio.

본 논문에서는 AI 기반 설계 탐색 기법을 활용하여 선박의 주요 치수 최적화를 수행하였다. 설계 탐색 기법은 최적화 프로그램 HEEDS의 SHERPA 알고리즘을 사용하였다. 유동 해석은 상용 CFD 코드인 STAR-CCM+를 사용하였고, 주요 치수 변환은 전처리 과정에서 JAVA Script와 Python을 사용하여 선박의 치수가 자동으로 변환되도록 설정하였다. 대상 선박은 소형 쌍동선형으로 주요 치수 최적화는 한쪽 선형의 길이, 폭, 흘수 그리고 단동선형 간의 간격에 대하여 수행되었다. 최적화 알고리즘에 사용된 목적함수는 총저항이며, 내부 의 장 시스템의 크기 등을 고려한 배수 체적의 범위를 제한조건으로 선정하였다. 그 결과 최적 선형의 주요 치수는 기존 선형 대비 ±5% 내 에서 변화가 있었고 총저항은 약 11% 개선된 결과를 보였다. 본 연구를 통해 선박의 형상을 직접 변경하지 않더라도 주요 치수 최적화를 통해 선박의 저항 성능이 향상됨을 확인하였고, 다양한 선박의 주요 치수 최적화를 통한 성능 향상에 활용이 될 것으로 기대한다.

본 연구는 인공지능과 블록체인 기반 사회 복지 서비스 사례 연구에 관련된 논문으로 국내외 다양한 ICT 융복합 복지 서비스에 대해 살펴보았다. 의료 분야에 적용되고 있는 AI 기술을 의료이미지 분석, 심장초음파, 뇌신경 분야, 디지털병리 분야 등으로 구분하여 살펴보고 각 사례 별로 적용된 기계학습 및 딥러닝 방법론에 대해 서술하였다. 국내 외 공공 의료 복지 분야에 적용되고 있는 블록체인 기술의 다 양한 사례를 살펴본다. 미국에서 시행 중인 블록체인 기반 출생증명, 에스토니아의 블록체인 기반 건강 기록 암호화 기술 및 복지 서비스 등에 대해 살펴본다. 마지막으로 다양한 ICT 기술이 접목된 미래 사회 복지 서비스의 발전 방향에 대해 고찰하고 기술적 한계점과 사회적 합의가 필요한 부분에 대해 고민해 본다.

Explainable AI (XAI) is an approach that leverages artificial intelligence to support human decision-making. Recently, governments of several countries including Korea are attempting objective evidence-based analyses of R&D investments with returns by analyzing quantitative data. Over the past decade, governments have invested in relevant researches, allowing government officials to gain insights to help them evaluate past performances and discuss future policy directions. Compared to the size that has not been used yet, the utilization of the text information (accumulated in national DBs) so far is low level. The current study utilizes a text mining strategy for monitoring innovations along with a case study of smart-farms in the Honam region.

Anomaly detection for each industrial machine is recognized as one of the essential techniques for machine condition monitoring and preventive maintenance. Anomaly detection of industrial machinery relies on various diagonal data from equipped sensors, such as temperature, pressure, electric current, vibration, and sound, to name a few. Among these data, sound data are easy to collect in the factory due to the relatively low installation cost of microphones to existing facilities. We develop a real time anomalous sound detection (ASD) system with the use of Autoencoder (AE) models in the industrial environments. The proposed processing pipeline makes use of the audio features extracted from the streaming audio signal captured by a single-channel microphone. The pipeline trains AE model by the collected normal sound. In real factory applications, the reconstruction error generated by the trained AE model with new input sound streaming is calculated to measure the degree of abnormality of the sound event. The sound is identified as anomalous if the reconstruction error exceeds the preset threshold. In our experiment on the CNC milling machining, the proposed system shows 0.9877 area under curve (AUC) score.